高等数学一轮复习

复习目标：学会所有核心名词、意义、本质作用

总纲：

高等数学本质上研究三件事：变化、累积、逼近。

也就是：

理工科高数不是为了算题而存在的，它是为了描述世界：

物体运动、信号变化、神经网络优化、图像处理、概率密度、热传导、电路、机器学习损失函数，本质都离不开高数。

第 0 部分：高数的整体地图

高等数学主要包括：

1. 函数

2. 极限

3. 连续

4. 导数

5. 微分

6. 中值定理

7. 不定积分

8. 定积分

9. 微分方程

10. 多元函数微分学

11. 重积分

12. 曲线积分与曲面积分

13. 无穷级数

不是每个证明都掌握，而是先建立“数学世界观”。

第一天：一元函数微积分

1. 函数：变量之间的关系

1.1 什么是函数？

函数就是一种对应关系：

意思是：

给一个输入 (x)，按照某种规则，得到一个输出 (y)。

比如：

输入 2，输出 4；输入 3，输出 9。

1.2 函数存在的意义

现实世界中，大量问题都是“一个量影响另一个量”。

比如：

所以函数的本质是：

把现实中的因果关系、依赖关系，抽象成数学关系。

2. 定义域、值域、对应法则

定义域

函数允许输入的 x 的范围。

比如：

要求：

所以定义域是：

值域

函数输出 (y) 可能取到的范围。

比如：

值域是：

对应法则

输入和输出之间的规则。

比如：

对应法则就是“平方再加 1”。

本质作用

定义域告诉你：

这个数学模型在哪些输入下有意义。

值域告诉你：

这个模型可能产生哪些结果。

对应法则告诉你：

输入如何变成输出。

3. 基本初等函数

高数最常见的函数有：

指数函数为什么重要？

它的特点是：

也就是它的变化率等于它自己。

所以它天然适合描述：

对数函数为什么重要？

对数是指数的反函数。

它可以把乘法变成加法：

所以在计算机、信息论、机器学习中非常重要。

比如交叉熵损失：

意思是：

如果模型给正确答案的概率越小，惩罚越大。

4. 极限：无限接近的思想

4.1 什么是极限？

极限研究的是：

当 (x) 趋近某个值时，函数 (f(x)) 趋近什么。

写作：

意思是：

当 (x) 越来越靠近 (a)，(f(x)) 越来越靠近 (A)。

4.2 极限存在的意义

极限是高数的地基。

因为很多东西不能直接算，只能通过“无限逼近”定义。

比如：

4.3 一个经典例子：瞬时速度

平均速度：

如果 (\Delta t) 越来越小：

这就是导数。

所以导数的本质是：

极限下的变化率。

5. 左极限、右极限

左极限

意思是 (x) 从左边靠近 (a)。

右极限

意思是 (x) 从右边靠近 (a)。

极限存在的条件

存在，当且仅当：

本质作用

左右极限用来判断：

一个函数在某个点附近是否稳定地趋向同一个值。

比如分段函数、跳跃函数、信号突变，都要看左右极限。

6. 无穷小与无穷大

无穷小

如果：

那么 (f(x)) 是无穷小。

本质：

越来越接近 0 的量。

比如：

时，(x)、(x^2)、(\sin x) 都是无穷小。

无穷大

如果：

那么 (f(x)) 是无穷大。

本质：

越来越大，无法被有限数限制。

比如：

本质作用

无穷小用来描述局部误差。

无穷大用来描述爆炸增长、发散行为。

7. 等价无穷小

7.1 什么是等价无穷小？

如果：

那么：

意思是：

当 (x) 很小时，(f(x)) 和 (g(x)) 几乎一样。

7.2 常见等价无穷小

7.3 本质作用

等价无穷小的作用是：

把复杂函数在局部变成简单函数。

比如：

因为：

所以：

这就是高数里的“局部近似思想”。

8. 连续：没有断裂的函数

8.1 什么是连续？

函数 (f(x)) 在 (x=a) 处连续，需要满足：

也就是：

极限值等于函数值。

8.2 连续的直观理解

连续函数就是图像不断、不跳、不炸。

比如：

是连续的。

但这个函数：

在 (x=0) 不连续，因为左边趋向 1，右边趋向 2。

8.3 本质作用

连续意味着：

输入发生微小变化，输出也只发生微小变化。

这对理工科非常重要。

比如：

第二部分：导数与微分

9. 导数：瞬时变化率

9.1 导数的定义

它来自平均变化率：

当 Δx→0时，就变成瞬时变化率。

9.2 导数的几何意义

导数是曲线在某一点的切线斜率。

如果：

函数在上升。

如果：

函数在下降。

如果：

可能是极值点。

9.3 导数的物理意义

如果：

表示位置，那么：

表示速度。

表示加速度。

所以：

9.4 导数的本质作用

导数回答的问题是：

某个量现在变化得有多快？

这是优化、控制、建模的核心。

比如机器学习中：

表示损失函数 (L) 对参数 (w) 的变化率。

如果这个导数很大，说明参数稍微变一下，损失会变化很多。

10. 常见导数公式

必须熟练掌握：

这些公式不是死背，它们代表不同类型函数的变化规律。

11. 求导法则

11.1 加减法则

意思是：

总变化率等于各部分变化率之和。

11.2 乘法法则

为什么不是简单的 (f'g')？

因为两个量都在变。

比如矩形面积：

如果长和宽都变化，面积变化来自两部分：

1. 长变化带来的面积变化；

2. 宽变化带来的面积变化。

11.3 除法法则

用于处理比值关系。

11.4 链式法则

这是最重要的求导法则。

本质是：

外层变化率 × 内层变化率。

比如：

外层是：

内层是：

所以：

11.5 链式法则的理工科意义

神经网络反向传播就是链式法则。

模型可能是：

损失对某个参数的影响需要一层层传回去：

所以你学链式法则，就是在学深度学习的数学根基。

12. 高阶导数

12.1 二阶导数

是一阶导数的导数。

如果一阶导数表示变化率，那么二阶导数表示：

变化率的变化率。

12.2 几何意义

如果：

函数图像向上凸，像碗。

如果：

函数图像向下凸，像山。

12.3 物理意义

位置的一阶导数是速度：

速度的一阶导数是加速度：

所以：

12.4 本质作用

二阶导数告诉你：

函数弯曲程度、趋势是否加速变化。

在优化中：

13. 微分：局部线性近似

13.1 什么是微分？

如果：

这叫微分。

其中：

13.2 微分的本质

微分的本质是：

在一个很小的范围内，用直线近似曲线。

比如：

这就是局部线性近似。

13.3 为什么重要？

复杂函数很难直接算，但在局部可以近似成直线。

这在理工科里极其重要：

14. 函数单调性与极值

14.1 单调性

如果：

函数递增。

如果：

函数递减。

14.2 极值

极大值：局部最高点。

极小值：局部最低点。

极值候选点通常满足：

但注意：

只是可能有极值，不一定有。

例如：

在 (x=0) 处：

但它不是极值点。

14.3 本质作用

极值问题本质上是优化问题：

在所有可能选择中，找到最好或最坏的结果。

比如：

15. 中值定理

中值定理是导数理论的核心。

15.1 罗尔定理

直观理解：

如果你从同一高度出发，又回到同一高度，中间某一刻速度一定为 0。

15.2 拉格朗日中值定理

15.3 柯西中值定理

它是拉格朗日中值定理的推广，用于两个函数之间的变化率比较。

15.4 本质作用

中值定理连接了：

局部变化率和整体变化量。

这对证明不等式、判断函数性质、推导洛必达法则都很重要。

16. 洛必达法则

16.1 用来解决什么？

洛必达法则用于处理极限中的未定式：

或：

16.2 公式

如果：

16.3 例子

16.4 本质作用

洛必达法则的本质是：

当两个函数都趋近 0 或都趋近无穷时，比较它们的变化速度。

谁变化得更快，谁占主导。

第三部分：积分

17. 不定积分：求导的逆运算

17.1 什么是不定积分？

如果：

那么：

这里 F(x) 叫 f(x) 的原函数。

17.2 本质作用

不定积分回答的问题是：

已知变化率，反推原来的函数。

比如已知速度：

想求位置：

17.3 为什么有 (+C)？

因为：

把常数消掉。

所以积分恢复原函数时，需要加上任意常数 (C)。

17.4 常见积分公式

18. 定积分：累积总量

18.1 什么是定积分？

表示函数 f(x) 在区间 [a,b]上的累积量。

如果 (f(x)\geq 0)，它可以表示曲线下面积。

18.2 定积分的本质

定积分的本质是：

把连续变化的量切成无数个小块，再全部加起来。

也就是：

18.3 直观理解

如果速度是 v(t)，那么位移是：

因为：

速度不断变化时，就切成很多小时间段：

再全部加起来。

18.4 本质作用

定积分解决的是：

知道局部密度或局部变化率，求整体总量。

比如：

19. 微积分基本定理

19.1 核心公式

19.2 本质意义

微积分基本定理说明：

求变化率的导数，和求累积量的积分，是互逆关系。

导数研究“局部变化”，积分研究“整体累积”。

它们之间的关系是：

例如：

位置变化等于速度在时间上的累积。

20. 积分方法

20.1 换元积分法

适合处理复合函数。

比如：

令：

则：

所以：

本质：

把复杂变量换成简单变量。

20.2 分部积分法

公式：

适合处理两个函数相乘。

比如：

本质：

积分版的乘法求导法则。

21. 定积分应用

21.1 求面积

如果是两条曲线之间的面积：

21.2 求体积

旋转体体积：

21.3 求弧长

21.4 求功

因为功是力在位移上的累积。

21.5 本质作用

积分应用的统一思想是：

把复杂对象切成小块，每小块近似简单，再累加。

第二天：多元微积分、微分方程、级数

第四部分：多元函数微分学

22. 多元函数

22.1 什么是多元函数？

一元函数：

多元函数：

或者：

意思是：

一个结果由多个变量共同决定。

比如：

22.2 本质作用

多元函数描述的是：

多因素共同影响一个结果。

这比一元函数更接近真实世界。

23. 偏导数

23.1 什么是偏导数？

对于：

对 (x) 求偏导：

意思是：

固定 (y)，只看 (x) 变化时，(z) 怎么变。

对 (y) 求偏导：

意思是：

固定 (x)，只看 (y) 变化时，(z) 怎么变。

23.2 例子

对 (x) 求偏导：

因为 (y) 当常数。

对 (y) 求偏导：

因为 (x) 当常数。

23.3 本质作用

偏导数回答：

某一个因素单独变化时，对结果有多大影响。

机器学习里：

表示第 (i) 个参数对损失函数的影响。

24. 全微分

24.1 什么是全微分？

对于：

有：

意思是：

输出的总变化，等于每个变量变化造成的影响之和。

24.2 本质作用

全微分是多变量情况下的局部线性近似。

它的思想是：

多因素小变化时，总影响可以分解成各因素影响之和。

25. 梯度

25.1 什么是梯度？

对于多元函数：

梯度是：

对于更多变量：

25.2 梯度的本质意义

梯度指向函数增长最快的方向。

负梯度方向：

指向函数下降最快的方向。

25.3 为什么机器学习要学梯度？

神经网络训练就是最小化损失函数：

梯度下降更新：

其中：

本质是：

朝着损失下降最快的方向走一小步。

所以梯度是优化算法的核心。

26. 方向导数

26.1 什么是方向导数？

偏导数只看坐标轴方向。

方向导数看任意方向。

其中 u 是单位方向向量。

26.2 本质作用

方向导数回答：

沿某个方向走，函数变化得有多快？

梯度方向变化最快，和梯度垂直的方向变化为 0。

27. 多元函数极值

27.1 极值点条件

如果函数在某点有极值，通常满足：

也就是：

27.2 Hessian 矩阵

二阶偏导数组成的矩阵叫 Hessian：

它描述函数的弯曲程度。

27.3 本质作用

多元极值就是高维优化问题。

比如机器学习中：

就是一个超高维函数。

训练模型就是寻找：

第五部分：重积分

28. 二重积分

28.1 什么是二重积分？

表示函数 (f(x,y)) 在区域 (D) 上的累积。

如果 (f(x,y)) 是高度，那么二重积分表示体积。

28.2 本质作用

二重积分是二维区域上的累积。

比如：

28.3 计算方法

一般转化为累次积分：

本质是：

先沿一个方向累积，再沿另一个方向累积。

29. 三重积分

29.1 什么是三重积分？

表示三维空间区域Ω上的累积。

29.2 本质作用

三重积分是空间中的累积。

比如：

30. 坐标变换

30.1 极坐标

当区域有圆形特征时，用极坐标：

面积微元：

注意多了一个 r。

30.2 为什么多一个 r？

因为极坐标下，小区域面积不是简单的 (drd\theta)，而是：

离原点越远，同样角度扫过的弧越长。

30.3 本质作用

坐标变换的目的：

换一个更适合问题形状的坐标系，让积分更简单。

比如圆形区域用极坐标，球形区域用球坐标。

第六部分：曲线积分与曲面积分

这部分很多理工科高数会学，但两天速通只需要理解本质。

31. 曲线积分

31.1 第一类曲线积分

沿曲线累积标量。

比如：

本质：

沿一条弯曲路径，把某个量累加起来。

31.2 第二类曲线积分

常用于计算力场做功。

如果力场是：

那么功是：

本质：

沿路径方向，累积向量场对运动的贡献。

32. 曲面积分

32.1 第一类曲面积分

沿曲面积累标量。

比如曲面质量。

32.2 第二类曲面积分

表示通量。

本质：

有多少向量场穿过这个曲面。

比如：

33. 格林公式、高斯公式、斯托克斯公式

这三个公式不用一开始死磕证明，要先明白它们在干什么。

33.1 格林公式

把平面区域边界上的曲线积分，转化为区域内部的二重积分。

本质：

边界上的总效应，等于内部旋转或变化的累积。

33.2 高斯公式

把封闭曲面的通量，转化为体积分。

本质：

穿出边界的总量，等于内部源头产生的总量。

比如一个水池里有很多喷泉，边界流出去多少水，取决于内部总共生成多少水。

33.3 斯托克斯公式

把空间曲线积分和曲面积分联系起来。

本质：

边界上的环流，等于曲面内部旋转的累积。

33.4 统一理解

这三个公式本质上都是：

边界上的整体效应 = 内部局部变化的累积。

这是现代数学和物理的核心思想之一。

第七部分：微分方程

34. 什么是微分方程？

含有未知函数及其导数的方程，叫微分方程。

比如：

这里未知的不是一个数，而是一个函数 y(x)。

本质作用

微分方程描述的是：

一个系统的变化规律。

你不是直接知道结果，而是知道它如何变化。

35. 为什么微分方程重要？

现实世界很多规律不是直接告诉你结果，而是告诉你变化规则。

比如：

经典例子：指数增长

意思是：

增长速度正比于当前数量。

解是：

这就是指数增长。

指数衰减

解是：

用于描述放射性衰变、药物代谢、冷却过程等。

36. 一阶微分方程

36.1 可分离变量方程

形式：

可以整理成：

然后两边积分。

36.2 本质

可分离变量法就是：

把 x 和y分开，各自积分。

37. 二阶微分方程

典型形式：

常用于振动、电路、控制系统。

本质作用

二阶微分方程描述：

一个系统的加速度、速度、位置之间的关系。

比如弹簧振子：

表示力和位移成正比，方向相反。

第八部分：无穷级数

38. 数列

数列是按顺序排列的一串数：

本质：

离散版本的函数。

函数是连续输入，数列是整数输入。

39. 数项级数

39.1 什么是级数？

就是无限多个数相加。

39.2 收敛与发散

如果前 (n) 项和：

当 n→∞ 时趋向一个有限值，叫收敛。

否则叫发散。

39.3 本质作用

级数回答：

无限多个越来越小的东西加起来，最终是否有限？

比如：

虽然有无限项，但总和有限。

40. 常见级数

40.1 等比级数

40.2 调和级数

40.3 p 级数

41. 幂级数

41.1 什么是幂级数？

它像一个无限次多项式。

41.2 本质作用

幂级数的作用是：

用无限多项式表示复杂函数。

比如：

这非常重要。

因为多项式最容易计算，而很多复杂函数可以用多项式逼近。

42. 泰勒公式

42.1 什么是泰勒公式？

泰勒公式就是用多项式近似函数。

在 x=0 附近：

42.2 本质作用

泰勒公式的本质是：

用函数在某一点的信息，预测附近的函数值。

它用到：

• 函数值；

• 一阶导数；

• 二阶导数；

• 更高阶导数。

42.3 为什么重要？

因为现实中很多函数很复杂，但局部可以用多项式近似。

比如：

这就是前面等价无穷小的来源。

42.4 机器学习里的意义

深度学习优化中经常用一阶近似：

牛顿法使用二阶近似：

所以泰勒公式是优化理论的底层工具。

两天学习安排

第一天上午：函数、极限、连续

重点掌握：

1. 函数是什么；

2. 定义域和值域；

3. 极限的本质；

4. 左右极限；

5. 无穷小；

6. 等价无穷小；

7. 连续性。

你要形成这个认识：

极限是高数地基，导数和积分都靠极限定义。

第一天下午：导数、微分、极值

重点掌握：

1. 导数定义；

2. 导数几何意义；

3. 导数物理意义；

4. 常见求导公式；

5. 链式法则；

6. 高阶导数；

7. 微分；

8. 极值与最值；

9. 中值定理；

10. 洛必达法则。

你要形成这个认识：

导数研究变化率，微分研究局部近似，极值研究优化。

第一天晚上：积分

重点掌握：

1. 不定积分；

2. 定积分；

3. 微积分基本定理；

4. 换元积分；

5. 分部积分；

6. 面积；

7. 体积；

8. 功；

9. 累积思想。

你要形成这个认识：

积分研究累积，定积分是连续加法。

第二天上午：多元函数微积分

重点掌握：

1. 多元函数；

2. 偏导数；

3. 全微分；

4. 梯度；

5. 方向导数；

6. 多元极值；

7. Hessian 矩阵。

你要形成这个认识：

多元微积分就是在多因素系统里研究变化和优化。

第二天下午：重积分、曲线曲面积分

重点掌握：

1. 二重积分；

2. 三重积分；

3. 极坐标；

4. 曲线积分；

5. 曲面积分；

6. 通量；

7. 格林公式；

8. 高斯公式；

9. 斯托克斯公式。

你要形成这个认识：

高维积分就是在区域、空间、路径、曲面上做累积。

第二天晚上：微分方程、级数、泰勒公式

重点掌握：

1. 微分方程是什么；

2. 一阶微分方程；

3. 二阶微分方程；

4. 数项级数；

5. 收敛与发散；

6. 幂级数；

7. 泰勒公式。

你要形成这个认识：

微分方程描述动态系统，级数和泰勒公式用于逼近复杂函数。

高数所有核心概念一句话总结

理工科真正要抓住的高数主线

你不要把高数看成一堆公式，而要看成一条逻辑链：

第一层：函数

现实关系抽象成函数：

第二层：极限

用无限逼近处理精确概念：

第三层：导数

用极限定义瞬时变化率：

第四层：积分

用极限定义连续累积：

第五层：多元微积分

把一元变化推广到多因素系统：

第六层：微分方程

用导数描述系统演化：

第七层：级数与泰勒

用简单多项式逼近复杂函数：

这就是高数的骨架。

对你来说，最重要的学习优先级

你是软件工程背景，准备保研/夏令营/机试/AI 项目，高数里最重要的是：

第一优先级

必须真正理解：

1. 极限；

2. 导数；

3. 微分；

4. 链式法则；

5. 偏导数；

6. 梯度；

7. 泰勒公式；

8. 积分的累积思想。

这些和机器学习、优化、深度学习直接相关。

第二优先级

需要会用：

1. 洛必达；

2. 常见积分；

3. 多元函数极值；

4. 二重积分；

5. 微分方程基本形式；

6. 级数收敛判断。

第三优先级

有时间再深入：

1. 曲线积分；

2. 曲面积分；

3. 格林公式；

4. 高斯公式；

5. 斯托克斯公式；

6. 严格 (\epsilon-\delta) 证明。

最后的本质总结

高等数学不是一门“算题课”，而是一门“理解变化的语言”。

你学函数，是为了描述关系。

你学极限，是为了处理无限逼近。

你学导数，是为了理解瞬时变化。

你学积分，是为了理解连续累积。

你学偏导和梯度，是为了理解多因素优化。

你学微分方程，是为了理解系统演化。

你学泰勒公式，是为了用简单模型逼近复杂世界。

所以高数最核心的一句话是：

用极限建立精确概念，用导数刻画变化，用积分刻画累积，用泰勒公式刻画近似，用微分方程刻画演化。